熊猫数据采集:多维绑定

Question

假设我有一个dataframe，df，由两个对象组成的类，S，一组与它们相关联的协调器，X和Y，以及一个在那里测量的值V。

例如，dataframe如下所示：

S X Y V
0 3 3 1
0 4 3 2
1 6 0 1
1 3 3 8

我想知道哪些命令允许我将与类X和Y坐标相关联的S分组到一个新的binning中。在这张新图片中，V的新值应该是每个类S的bin中值的总和。

例如，假设这个协调系统最初在X和Y中分别被绑定在0到10之间。我想把它放在0到2之间。这意味着：

• 值来自0 < X <= 5，0 < Y <= 5在旧绑定中构成值0；
• 值来自6 < x <= 10，6 < y <= 10在旧绑定中构成值1；

F 221

编辑：

例如，考虑Dataframe df

1. Row 1有X = 3和Y = 3。从0 < X <= 5和0 < Y <= 5开始，这属于bin X = 4 2和Y = 3。由于(0,0).
2. Since Row 1和2也属于bin 0 < X <= 5和0 < Y <= 5，因此它们在相同的bin中被观察到，并且属于S类，它们是沿着列V添加的。这给出了一个合并行，X=0, Y=0, V = 1+2 =3
3. Row 3有X = 6和Y = 0。由于(1,0)
4. Row 4有6 < X <= 10和0 < Y <= 5，因此属于bin X= 3和Y = 3。由于0 < X <= 5和0 < Y <= 5，这属于bin (0,0)。但是，由于元素属于S=1类，所以没有添加到任何东西中，因为我们只在共享类之间添加.

。

然后，产出应是：

S X Y V
0 0 0 3
0 1 0 1
1 0 0 8

为了实现这一点，我必须使用哪些命令？

Answer 1

这应该能起作用：

data.loc[data['X'] <= 5, 'X'] = 0
data.loc[data['X'] > 5, 'X'] = 1
data.loc[data['Y'] <= 5, 'Y'] = 0
data.loc[data['Y'] > 5, 'Y'] = 1

data = data.groupby(['S', 'X', 'Y']).sum().reset_index()

对于您的示例，输出是：

   S  X  Y  V
0  0  0  0  3
1  1  0  0  8
2  1  1  0  1

我发现this answer很有帮助。